藥局 / 藥師 AI 工作流完整指南：處方核對、用藥諮詢、健保申報、慢箋追蹤、行銷召回 5 場景 SOP 與台灣社區藥局 90 天落地路線圖

先講一個藥師朋友的真實吐槽

「我藥師執照考了七年，現在每天 80% 的時間在數藥、貼標、key 健保申報，剩下 20% 是被阿嬤問『這個藥可以配茶喝嗎』。」這是某連鎖藥局藥師在一場非正式聚會丟出來的一句話，配著一臉「我幹嘛念藥學系」的疲憊。

這不是個案。打開 PTT pharmacist 板隨便翻，藥師薪資 20 年不動、業績被 tag、休假還被 call、on call 沒費用等抱怨幾乎每週都有。同時間，台灣健保特約藥局已突破 8,500 家，三年內增加超過 1,000 家，密度比便利商店還高，競爭白熱化但藥師人力沒跟上，全台執業藥師約 3.6 萬人、每萬人僅 13.27 位，分到單一藥局頭上，往往就是「一人撐櫃台」的日常。

AI 對藥事這個職業，其實是一面照妖鏡：照得出哪些工作真的需要藥師的判斷，哪些只是被體制卡住的低附加價值流程。這篇要做的，是把 5 個高頻場景的 SOP 拆給你看，告訴你：哪段該交給 AI、哪段該死守人類藥師，以及社區藥局該怎麼用 90 天節奏把這套東西真的裝進日常，「AI 會不會取代藥師」這種無聊辯論反而不是重點。

正方觀點：藥師最該擁抱 AI，因為你每天 80% 時間都在做 AI 最擅長的事

正方論述很直白：藥師每天的工作量結構，其實高度匹配 AI 的能力分布。

以一家中型社區藥局為例，每日處方量約 100-200 張，馬偕紀念醫院藥局每日處方量 6,000 筆、其中約 120 筆有異動，這些重複性高、規則明確的核對、查詢、申報工作，正是 AI 最能發揮的場域。馬偕導入裸錠藥物 AI 辨識機後，2 秒就能掃描 200 顆藥錠、辨識率 98%，藥師不再需要逐顆肉眼比對。

更關鍵的是高齡用藥安全。國內研究顯示 80 歲以上長者按 STOPP 標準的潛在不當用藥（PIM）篩出率達 96.93%、平均每人 3.53 項。這種跨科別處方交互作用的偵測，靠人腦在櫃台 30 秒判斷不切實際，但 AI 可以在處方輸入瞬間跑完 Beers / STOPP / PIM-Taiwan 三套規則。

AI 在藥事服務的 3 個天然優勢

• 規則型核對：交互作用、劑量上限、年齡禁忌、孕婦/哺乳禁忌——這些是 binary 判斷，AI 又快又穩

• 文字結構化：處方箋 OCR、SOAP 紀錄、健保申報碼對應，把非結構文字變成可申報資料

• 行為觸發：慢箋到期、藥品庫存、客戶生日、季節性疾病——只要有資料就能自動提醒

這些優勢的共同點是「規則明確、可以驗證、錯了能補救」，跟 AI 用在客服、行銷的灰色地帶完全不同。如果你還在猶豫怎麼啟動，可以參考恆遠的 AI 顧問服務，從現況盤點開始走，不要一開始就買工具。

反方觀點：藥師最該警惕 AI，因為一個幻覺就是一條人命

反方的擔憂不是無理取鬧。藥事服務的容錯率，比任何 SaaS 場景都低。

先看 AI 的本質問題。OpenAI 自己在官方論文承認，幻覺問題源於模型的訓練目標本身、無法根本解決。在一般場景，AI 答錯一個 SaaS 訂閱費用、推薦錯一家咖啡廳，最多是尷尬；但在藥事場景，AI 把 metformin 的劑量上限說錯一個小數點、把 warfarin 與 NSAID 的交互作用漏掉，後果是急診甚至洗腎。

更危險的是民眾已經開始把 ChatGPT 當「免費家庭藥師」用。研究指出生成式 AI 在醫療諮詢仍有顯著事實性錯誤、且回答不穩定。當阿嬤拿著一張 ChatGPT 截圖來問你「為什麼藥師說的跟 AI 講的不一樣」，這時候 AI 已經站到了你的對立面，從助手變成了對手。

3 個藥師絕對不能交給 AI 的決策

• 最終的給藥判斷：即使 AI 把警示跑完，按下「確認調劑」的責任仍在藥師執照上

• 用藥諮詢的「為什麼」：AI 可以告訴你「不要配葡萄柚汁」，但解釋 CYP3A4 代謝路徑、評估個別病人狀況，要靠人

• 醫病溝通的情緒判讀：失智長者、慢性病患的依從性問題，不是文字訊息能解決的

數據比較：5 個高頻場景 AI 化前後的真實落差

正反兩派吵不出結論，最快的方式是看數據。以下是台灣社區藥局最高頻的 5 個工作流程，AI 化前後的時間、錯誤率、人力負擔對照。

這張表真正想呈現的是「藥師的時間原本被燒在哪」，「AI 多神」反而不是重點。70% 的時間從機械工作解放出來後，藥師才有空做諮詢、做衛教、做關係——這些才是藥師真正不可取代的價值。

場景 SOP（一）：處方核對——讓 AI 當第一道篩子，藥師當守門員

處方核對是藥師最累、也最容易出錯的環節。國際研究顯示電子 DUR 系統能降低急診不當用藥處方，韓國全國性 DUR 系統推行後可預防的藥物不良反應顯著下降（韓國研究）。台灣已有醫療院所建置 PIM 藥品監測系統降低住院長者不當用藥，社區藥局可以借鏡的是同一套規則邏輯，只是搬到櫃台前的 30 秒判讀。

SOP 流程（建議實作）

[Step 1] 處方輸入
   - IC 卡讀取或 OCR 掃描紙本處方
   - 結構化為：藥品代碼 + 劑量 + 頻次 + 天數

[Step 2] AI 預檢（< 3 秒）
   - 跑 Beers Criteria（高齡禁忌）
   - 跑 STOPP/START（潛在不當）
   - 跑 PIM-Taiwan（在地化規則）
   - 跑 DUR（交互作用、重複用藥、劑量上限）
   - 跑健保給付規則（適應症、年齡、性別）

[Step 3] 警示分級顯示
   - 紅燈（嚴重交互、絕對禁忌）→ 必須處理
   - 黃燈（潛在不當、需評估）→ 藥師判斷
   - 綠燈（無問題）→ 直接放行

[Step 4] 藥師最終判斷
   - 紅黃燈須記錄處理結果
   - 必要時聯絡處方醫師
   - 簽核後才能進入調劑

[Step 5] 病人交付
   - 印出個別化用藥單張
   - 藥師口頭重點提醒（保留人類觸點）

場景 SOP（二）：用藥諮詢——AI 寫初稿、藥師掛名審核

用藥諮詢是「最該用 AI、但最不能放手」的雙刃劍。一邊是病人需要清楚、易懂、可帶回家複習的衛教資料；另一邊是 AI 一句話講錯就可能讓病人停藥或加倍服用。資策會研究指出，結合自然語言與知識圖譜的 AI 聊天機器人，能在受控範圍提供精準用藥諮詢，關鍵字是「結合知識圖譜」——也就是答案來源限縮在仿單、藥典，而非開放式 GPT。

可行的 SOP 設計

• 初稿生成：輸入「藥品 + 病人年齡 + 過敏史 + 慢性病」，AI 從仿單資料庫產出衛教單張（200-400 字）

• 藥師審核（30 秒）：檢查重點：劑量、頻次、特殊提醒（如配食、避免合併用藥）有無錯漏

• 個人化修飾：加 1-2 句針對病人狀況的提醒，例如「您有開車工作，這個藥前 3 天可能會嗜睡」

• 交付方式：紙本 + LINE 推播雙軌；LINE 訊息開頭明示「本內容已由藥師 [姓名] 審核」

• 後續追蹤：3-7 天後 AI 自動發訊問「服藥是否有不適？」，有反應再由藥師接手

場景 SOP（三）：健保申報——把月底地獄拉成每日 15 分鐘

健保申報是藥師最痛、也最容易被 AI 救起來的環節。月底集中對帳的痛苦，多數藥師都嘗過：申報退件、補件、加扣點、來回兩三週才結案。

更現實的壓力是點值。健保署公布 2026 年藥價調整 36.15 億元、調幅 1.65% 為歷年最低，意味著藥局藥差利潤被持續壓縮，每一個被退件的處方、每一個對不上的單據，都直接吃掉本來就微薄的毛利。

健保申報前後對比

場景 SOP（四）：慢箋追蹤——讓 AI 把「被動等病人」變成「主動關心」

慢箋追蹤是社區藥局最該做、但 80% 沒在做的事。健保慢箋制度設計上連續處方期 3 個月、每次最多 30 天、總天數最多 90 天，意味著一個慢性病人理論上會回藥局 3 次，但若沒提醒、沒互動，第二次就跑去其他藥局或乾脆斷藥的人不在少數。國內慢性病人口已從 2014 年 1,029 萬人成長到近年 1,392 萬人，慢性病醫療費用佔健保支出約 49.6%，這個族群就是社區藥局最該綁住的核心。

追蹤系統設計（最低可行版）

[資料層]
- 病人主檔：姓名、生日、慢性病類別、過敏史、家屬聯絡人
- 慢箋紀錄：醫院、處方日期、剩餘可調劑次數、下次預計回診

[觸發層]
- 領藥前 7 天：LINE 提醒「您的慢箋下週可以來領，預約時段請點 → ...」
- 領藥前 2 天：未預約者再推一次
- 領藥當天：藥已備好的取藥通知
- 處方到期前 14 天：提醒病人回診開新慢箋
- 異常未領（超過 7 天）：藥師親自致電關心

[互動層]
- 病人回覆「我要預約」→ AI 引導選時段
- 病人回覆其他內容 → 自動轉藥師接手
- 領藥當天 + 7 天：用藥反應追蹤訊問

這套機制不需要昂貴的系統，LINE 官方帳號 + Google Sheet + Make/n8n 自動化就能跑起來。真正的重點是有沒有人盯著數據優化訊息內容，工具本身反而是其次。

場景 SOP（五）：行銷召回——藥局做行銷真正在做的是經營「家庭健康顧問」品牌，賣藥妝反而只是表象

先說一個觀念逆轉：社區藥局最值錢的資產其實是病人資料，貨架反而不是核心。

但這個資產 80% 的藥局都沒用。原因簡單：藥師沒空、不會做行銷、又怕碰到個資法。業界研究指出，導入 OMO（線上整合線下）的藥局，回頭率與客單價都有明顯提升，關鍵動作是把每個來過的人變成「會回來的人」，不是衝新客。

3 個 AI 行銷召回工具的選型對比

行銷召回 5 個必做主題

• 季節性疾病提醒：流感季、腸胃炎流行期前 2 週推預防衛教 + 常備藥提醒

• 健檢期關懷：健檢前 1 個月提醒空腹、停藥；健檢報告出來後協助解讀並推保健品方案

• 家庭備藥健檢：半年提醒整理藥箱，把過期藥帶回藥局回收，順便諮詢

• 慢性病用藥滿週年：回顧服藥順從性、副作用、生活品質變化，必要時建議回診調整

• 生日 + 健康清單：不要只送折價券，附上一份對應年齡層的健康提醒清單，藥師親自寫一句話

決策框架：你的藥局現在該不該做這件事

看完 5 個場景，腦中可能浮現一個務實的問題：我是該全做、選做、還是先觀望？這裡用四個變數幫你判斷。

自我檢測 4 個變數

• 月處方量：< 1,500 張 → 先做場景 3、4；1,500-5,000 張 → 加做場景 1、5；> 5,000 張 → 全做

• 藥師人力：1 人 → 先用現成 SaaS 不自建；2-3 人 → 可投入 1 人專職維運；> 3 人 → 可建內部團隊

• 既有系統成熟度：還在用手寫 / Excel → 先把進銷存數位化；已有 POS → 直接加 AI 模組；已有 CRM → 升級分眾邏輯

• 老闆心態：把藥局當「藥品零售」→ ROI 是首要；把藥局當「社區健康節點」→ 重點是病人黏著度

90 天導入決策流程圖

90 天落地路線圖：從評估到驗收的逐週節奏

不要相信任何「30 天 AI 轉型」的話術。藥局是高度依賴病人信任的場域，每動一個流程都要先穩、再快。90 天分成三階段，每階段都有明確驗收指標。

Day 1-30 啟動期：盤點 + 選工具 + SOP 文件化

• Week 1：找出現在最痛的 1 個流程（多數藥局是健保申報或慢箋追蹤），把現況流程畫出來

• Week 2：研究 2-3 個工具，做 demo、估算成本，挑 1 個簽約

• Week 3：把選定流程的新 SOP 寫下來，文件化（不是口頭傳承），列出 What/Who/When/Tool

• Week 4：資深藥師先跑一週，每天記錄問題與時間

Day 31-60 擴展期：併入日常 + 培訓全員

• Week 5-6：全店藥師接受新 SOP 培訓，每位藥師至少跑 5 個處方 / 5 位病人

• Week 7：加入第二個場景，沿用同一套導入節奏

• Week 8：第一階段 KPI 中期檢核，沒到 50% 目標就要喊停修正

Day 61-90 驗收期：覆盤 + 規劃下一輪

• Week 9-10：蒐集完整 KPI 數據，與 Day 0 基線對比

• Week 11：寫導入成果報告，內含失敗點與學到的教訓

• Week 12：根據成果決定 Q2 是擴大、深化、或修正方向

場景建議：3 種典型藥局的差異化導入策略

不要照抄路線圖。同樣是社區藥局，老人區、學區、辦公商圈的痛點完全不同，AI 切入點也不一樣。

類型一：老人區 / 慢性病重點藥局

• 病人組成：60% 以上是慢性病老人，多重用藥比例高

• 首要場景：場景 1（處方核對，Beers / STOPP / PIM 嚴格篩）+ 場景 4（慢箋追蹤）

• 次要：場景 2 用藥諮詢著重「失智症照護者衛教」

• 禁區：行銷召回避免高頻率推銷，老人對訊息密度敏感

類型二：學區 / 年輕家庭藥局

• 病人組成：年輕父母 + 兒童常見疾病為主

• 首要場景：場景 2（用藥諮詢，重點在兒童劑量、發燒處理）+ 場景 5（季節性疾病提醒）

• 次要：場景 4 慢箋追蹤（家中長輩代領）

• 重點：LINE 推播時段選晚上 7-9 點，避開上班族通勤時間

類型三：商辦 / 通勤藥局

• 病人組成：上班族、流動性高、忠誠度低

• 首要場景：場景 3（健保申報效率，因處方量大）+ 場景 5（行銷召回拼回頭率）

• 次要：場景 1 處方核對（重點在用藥安全相互作用）

• 賣點：用 AI 加速等候、發放即時電子衛教單張，讓上班族「拿了就走」

如果你的藥局正好同時跨多種類型（例如靠近捷運的住宅區藥局），建議找有藥事服務經驗的AI 顧問服務聊一次，把場景優先序拍板，再投入導入資源——避免一次想做全部、結果什麼都做不深。

常見問題與下一步行動

收尾前，把社區藥局老闆與藥師最常問的 5 個問題整理在這。

如果你準備啟動，下一步可以這樣做

不要從買工具開始，從盤點開始。把目前最痛的 1 個流程畫出來，估算每月被吃掉多少藥師時間，再回頭看本文的 5 個場景哪一個對應。如果想找有經驗的團隊一起拆，可以預約 恆遠數位行銷的 AI 顧問服務，第一次工作坊我們會幫你把現況盤完、把優先序排好，不會直接賣你工具。

另外，如果你的醫療團隊還有其他職業需要參考類似的 AI 工作流系列，可以延伸閱讀：護理師 AI 工作流、牙醫診所 AI 完整指南、獸醫診所 AI 導入。這些文章可以一起讀，會看到醫療職業類 AI 導入的共同邏輯與差異。